Rememberizer Docs
로그인가입하기문의하기
한국어
한국어
  • 왜 Rememberizer인가?
  • 배경
    • 벡터 임베딩과 벡터 데이터베이스란?
    • 용어집
    • 표준화된 용어
  • 개인 사용
    • 시작하기
      • 지식 검색
      • 기념품 필터 접근
      • 공통 지식
      • 내장된 지식 관리
  • 통합
    • Rememberizer 앱
    • Rememberizer Slack 통합
    • Rememberizer Google Drive 통합
    • Rememberizer Dropbox 통합
    • Rememberizer Gmail 통합
    • Rememberizer Memory 통합
    • Rememberizer MCP 서버
    • 타사 앱 관리
  • 개발자 리소스
    • 개발자 개요
  • 통합 옵션
    • API 키 등록 및 사용
    • Rememberizer 앱 등록
    • Rememberizer 앱 승인
    • Rememberizer GPT 생성
    • LangChain 통합
    • 벡터 저장소
    • Slack과 대화하는 샘플 웹 앱
  • 기업 통합
    • 기업 통합 패턴
  • API 참조
    • API 문서 홈
    • 인증
  • 핵심 API
    • 의미적 유사성으로 문서 검색
    • 문서 검색
    • 문서 내용 검색
    • 슬랙 콘텐츠 검색
    • Rememberizer에 콘텐츠 기억하기
  • 계정 및 구성
    • 현재 사용자 계정 세부정보 가져오기
    • 사용 가능한 데이터 소스 통합 목록
    • 기념품
    • 추가된 모든 공개 지식 가져오기
  • 벡터 저장소 API
    • 벡터 저장소 문서
    • 벡터 저장소 정보 가져오기
    • 벡터 저장소의 문서 목록 가져오기
    • 문서 정보 가져오기
    • 벡터 저장소에 새 텍스트 문서 추가하기
    • 벡터 저장소에 파일 업로드하기
    • 벡터 저장소의 파일 내용 업데이트하기
    • 벡터 저장소에서 문서 제거하기
    • 의미적 유사성으로 벡터 저장소 문서 검색하기
  • 추가 자료
    • 공지사항
      • 이용 약관
      • 개인정보 처리방침
      • B2B
        • 레딧 에이전트에 대하여
  • 릴리스
    • 릴리스 노트 홈
  • 2025 릴리스
    • 2025년 4월 25일
    • 2025년 4월 18일
    • 2025년 4월 11일
    • 2025년 4월 4일
    • 2025년 3월 28일
    • 2025년 3월 21일
    • 2025년 3월 14일
    • 2025년 1월 17일
  • 2024 릴리스
    • 2024년 12월 27일
    • 2024년 12월 20일
    • 2024년 12월 13일
    • 2024년 12월 6일
  • 2024년 11월 29일
  • 2024년 11월 22일
  • 2024년 11월 15일
  • 2024년 11월 8일
  • 2024년 11월 1일
  • 2024년 10월 25일
  • 2024년 10월 18일
  • 2024년 10월 11일
  • 2024년 10월 4일
  • 2024년 9월 27일
  • 2024년 9월 20일
  • 2024년 9월 13일
  • 2024년 8월 16일
  • 2024년 8월 9일
  • 2024년 8월 2일
  • 2024년 7월 26일
  • 2024년 7월 12일
  • 2024년 6월 28일
  • 2024년 6월 14일
  • 2024년 5월 31일
  • 2024년 5월 17일
  • 2024년 5월 10일
  • 2024년 4월 26일
  • 2024년 4월 19일
  • 2024년 4월 12일
  • 2024년 4월 5일
  • 2024년 3월 25일
  • 2024년 3월 18일
  • 2024년 3월 11일
  • 2024년 3월 4일
  • 2024년 2월 26일
  • 2024년 2월 19일
  • 2024년 2월 12일
  • 2024년 2월 5일
  • 2024년 1월 29일
  • 2024년 1월 22일
  • 2024년 1월 15일
  • LLM 문서
    • Rememberizer LLM 준비 문서
Powered by GitBook
On this page
  1. 벡터 저장소 API

벡터 저장소에 새 텍스트 문서 추가하기

Previous문서 정보 가져오기Next벡터 저장소에 파일 업로드하기

Last updated 25 days ago

예제 요청

curl -X POST \
  https://api.rememberizer.ai/api/v1/vector-stores/vs_abc123/documents/create \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "제품 개요",
    "text": "우리 제품은 벡터 임베딩 관리를 위한 혁신적인 솔루션입니다. 기존 시스템과의 원활한 통합을 제공하며 강력한 의미 검색 기능을 제공합니다."
  }'

YOUR_API_KEY를 실제 벡터 스토어 API 키로 교체하고 vs_abc123를 벡터 스토어 ID로 교체하세요.

const addTextDocument = async (vectorStoreId, name, text) => {
  const response = await fetch(`https://api.rememberizer.ai/api/v1/vector-stores/${vectorStoreId}/documents/create`, {
    method: 'POST',
    headers: {
      'x-api-key': 'YOUR_API_KEY',
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      name: name,
      text: text
    })
  });
  
  const data = await response.json();
  console.log(data);
};

addTextDocument(
  'vs_abc123',
  '제품 개요',
  '우리 제품은 벡터 임베딩 관리를 위한 혁신적인 솔루션입니다. 기존 시스템과의 원활한 통합을 제공하며 강력한 의미 검색 기능을 제공합니다.'
);

YOUR_API_KEY를 실제 벡터 스토어 API 키로 교체하고 vs_abc123를 벡터 스토어 ID로 교체하세요.

import requests
import json

def add_text_document(vector_store_id, name, text):
    headers = {
        "x-api-key": "YOUR_API_KEY",
        "Content-Type": "application/json"
    }
    
    payload = {
        "name": name,
        "text": text
    }
    
    response = requests.post(
        f"https://api.rememberizer.ai/api/v1/vector-stores/{vector_store_id}/documents/create",
        headers=headers,
        data=json.dumps(payload)
    )
    
    data = response.json()
    print(data)

add_text_document(
    'vs_abc123',
    '제품 개요',
    '우리 제품은 벡터 임베딩 관리를 위한 혁신적인 솔루션입니다. 기존 시스템과의 원활한 통합을 제공하며 강력한 의미 검색 기능을 제공합니다.'
)

YOUR_API_KEY를 실제 벡터 스토어 API 키로 교체하고 vs_abc123를 벡터 스토어 ID로 교체하세요.

경로 매개변수

매개변수
유형
설명

vector-store-id

문자열

필수. 문서를 추가할 벡터 저장소의 ID입니다.

요청 본문

{
  "name": "제품 개요",
  "text": "우리 제품은 벡터 임베딩 관리를 위한 혁신적인 솔루션입니다. 기존 시스템과의 원활한 통합을 제공하며 강력한 의미 기반 검색 기능을 제공합니다."
}
매개변수
유형
설명

name

문자열

필수. 문서의 이름입니다.

text

문자열

필수. 문서의 텍스트 내용입니다.

응답 형식

{
  "id": 1234,
  "name": "제품 개요",
  "type": "text/plain",
  "vector_store": "vs_abc123",
  "size": 173,
  "status": "처리 중",
  "processing_status": "대기 중",
  "indexed_on": null,
  "status_error_message": null,
  "created": "2023-06-15T10:15:00Z",
  "modified": "2023-06-15T10:15:00Z"
}

인증

이 엔드포인트는 x-api-key 헤더에 API 키를 사용하여 인증이 필요합니다.

오류 응답

상태 코드
설명

400

잘못된 요청 - 필수 필드 누락 또는 잘못된 형식

401

인증되지 않음 - 잘못되었거나 누락된 API 키

404

찾을 수 없음 - 벡터 저장소를 찾을 수 없음

500

내부 서버 오류

이 엔드포인트를 사용하면 텍스트 콘텐츠를 벡터 저장소에 직접 추가할 수 있습니다. 이는 제품 설명, 지식 기반 기사 또는 사용자 정의 콘텐츠와 같이 파일 형식으로 존재하지 않을 수 있는 정보를 저장하는 데 특히 유용합니다. 텍스트는 자동으로 벡터 임베딩으로 처리되어 의미적 유사성을 사용하여 검색할 수 있게 됩니다.

  • POST/vector-stores/{vector-store-id}/documents/create
  • 예제 요청
  • 경로 매개변수
  • 요청 본문
  • 응답 형식
  • 인증
  • 오류 응답
post

Create a new text document in a vector store.

Path parameters
vector-store-idstringRequired

The ID of the vector store.

Header parameters
x-api-keystringRequired

The API key for authentication.

Body
namestringOptional

The name of the document.

textstringOptional

The text content of the document.

Responses
201
Document created successfully.
application/json
post
POST /api/v1/vector-stores/{vector-store-id}/documents/create HTTP/1.1
Host: api.rememberizer.ai
x-api-key: text
Content-Type: application/json
Accept: */*
Content-Length: 29

{
  "name": "text",
  "text": "text"
}
201

Document created successfully.

{
  "id": 1,
  "name": "text",
  "type": "text",
  "vector_store": "text",
  "size": 1,
  "status": "text",
  "processing_status": "text",
  "indexed_on": "2025-05-24T13:12:03.289Z",
  "status_error_message": "text",
  "created": "2025-05-24T13:12:03.289Z",
  "modified": "2025-05-24T13:12:03.289Z"
}